Methoden zur Preisprognose?

Unter der Annahme, dass ein Preis auf einem freien Markt festgelegt wird, ergeben sich besondere Schwierigkeiten bei der Preisbildung. Ein freier Markt ist ein Markt, auf dem der Preis vollständig von der Bereitschaft der Menschen bestimmt wird, zu einem bestimmten Preis zu kaufen und zu verkaufen. Was Sie als Preis wahrnehmen, ist eigentlich der „Tick“, also der Kurs der letzten Transaktion.

Das erste und schwerwiegendste Haupthindernis für die Preisgestaltung ist eine Variante des Gefangenendilemmas, ein psychologisches Phänomen. Zum Beispiel könnte Bitcoin jetzt 4 $ wert sein, aber Sie glauben, dass es in 3 Tagen 5 $ wert sein wird. Werden Sie Bitcoin kaufen? Wenn Sie nur aus Überzeugung handeln, ja. Aber was ist, wenn Sie bedenken, was andere tun werden? Werden andere glauben, dass Bitcoin in 3 Tagen 5 $ wert sein wird? Werden sie ihrer Überzeugung folgen? Werden die anderen glauben, dass die anderen glauben, dass es in 3 Tagen 5 $ wert sein wird, und werden die anderen glauben, dass die anderen, die glauben, ihrer Überzeugung folgen werden? Werden die anderen glauben, dass andere von noch anderen glauben, die glauben, dass sie nach ihrer Überzeugung handeln werden? So geht es endlos weiter.

Das tatsächliche Verhalten einer Person auf dem Markt ist im Wesentlichen chaotisch und unvorhersehbar (aus den oben genannten und anderen Gründen).

Das hängt mit einem Phänomen zusammen, das Sie Markteffizienz nennen. Ein effizienter Markt spiegelt immer den optimalen Preispunkt zu einem bestimmten Zeitpunkt wider. Wenn dem so ist, dann können Sie auf diesem Markt nicht gewinnen, weil Sie zu dem Zeitpunkt einen Wettbewerbsvorteil realisieren müssten, alle anderen haben bereits auf diese Informationen reagiert.

Märkte sind natürlich nicht zu 100 % effizient. Aber moderne elektronische Märkte können sehr, sehr effizient sein (im Vergleich zu Aktienmärkten vor 100 Jahren, wo man sich einen Wettbewerbsvorteil verschaffen konnte, indem man einfach Zugang zu einem schnellen Kurier hatte).

Etwas schwieriger für die Preisprognose ist, dass nicht nur Menschen am Markt agieren, sondern auch Maschinen. Die Maschinen sind vielleicht nicht besonders gut in dem, was sie tun, aber sie sind furchtbar schnell. Die Maschinen, die gut funktionieren (dh nicht viel verlieren), werden überleben, und diejenigen, die dies nicht tun, werden in kurzer Zeit sterben. Da Geschwindigkeit einer der größten Vorteile von Maschinen gegenüber Menschen ist, machen sie Märkte tendenziell noch effizienter.

Ein weiteres Phänomen der Preisprognose ist das von Information und Entropie. Angenommen, Sie haben eine zuverlässige Methode gefunden, um einen Markt zu einem bestimmten Zeitpunkt vorherzusagen. Sie handeln auf der Grundlage dieser Informationen und erzielen tatsächlich einen Gewinn. Der Gewinn, den Sie erzielen können, wird im Laufe der Zeit abnehmen, bis er Null erreicht oder zurückkehrt. Der Grund dafür ist, dass Sie aufgrund privater Informationen gehandelt haben, die Sie durch die Beteiligung an einem Handel durchsickern ließen. Je erfolgreicher Sie Ihre Prognose ausnutzen, desto besser trainieren Sie jeden anderen Marktteilnehmer, auf seine Verluste zu reagieren. Denn für jeden erfolgreichen Trade muss es jemanden geben, der verloren hat. Menschen oder Maschinen, die auf Märkten verlieren, verlassen diese Märkte normalerweise auf irgendeine Weise. Selbst wenn die anderen Teilnehmer ihr Verhalten nicht anpassen, besteht Ihr Erfolg darin, diejenigen mit dem falschen Verhalten auszusortieren.

Eine weitere Schwierigkeit bei Preisprognosen sind Black-Swan-Ereignisse. Da Informationen einen enormen Einfluss auf die Preisgestaltung haben können, kann das plötzliche Auftauchen neuer Informationen eine konservative Prognose völlig aus den Fugen werfen und enorme Verluste (oder enorme unerwartete Vorteile) nach sich ziehen. Sie können Black-Swan-Ereignisse in keiner Form oder Form quantifizieren.

Ich glaube, dass man effiziente und gut funktionierende Märkte nicht vorhersagen kann. Möglicherweise können Sie einige sehr suboptimale Märkte vorhersagen, aber normalerweise sind Hedgefonds immer auf der Jagd nach ineffizienten Märkten, die sie ausnutzen können. Daher neigen die ineffizienten Märkte nach einem einfachen Erlass der Marktwirtschaft dazu, eine ständig sterbende Spezies zu sein.

Nun, es gibt zum Beispiel viele Abhandlungen über Spotpreisprognosen für Strom. Es hängt davon ab, welche Ebene der Methodik Sie verwenden möchten. Die lineare Regression ist einer der grundlegenden Schritte, dann können Sie mit erweiterten Optionen fortfahren. Ich bin Doktorand und studiere die Modellierung des Energiepreises (Strom, Gas, Öl) als stochastischen Prozess.

In Bezug auf Ihre Fragen: 1. Milde gesagt, es ist wirklich schwer, aufgrund seiner zufälligen Natur! (http://www.dataversity.net/is-there-such-a-thing-as-predictive-analytics/) 2. Nun, ich würde fragen, welche Art von Erfolgsmaßstab Sie meinen? Welches Niveau des vorhergesagten Intervalls könnte man erfolgreich genug finden? 3. Möchten Sie, dass ich Ihnen einige der mathematischen Arbeiten zusende? 4. Wie ich weiß, besteht die Methode darin, alle Hauptmerkmale des Preises vollständig zu erfassen. Wenn es sich um den täglichen Strompreis handelt, dann sind dies Mean-Reversion-Effekt, hohe Volatilität, Spitzen, Saisonalität (wöchentlich, monatlich, jährlich).

Würden Sie mir sagen, welche Art von Methode Sie verwenden? Vielleicht können wir ein paar gemeinsame Ideen besprechen?

Anna

Es ist nicht unmöglich, den zukünftigen Preis eines Rohstoffs vorherzusagen. Es ist jedoch genau das; eine fundierte Vermutung, ähnlich wie das Wetter, und je weiter draußen diese Vorhersage gemacht wird, desto höher wird der prozentuale Fehler erwartet. Viele Informationen werden von verschiedenen Instrumenten, Spottern usw. mit sehr hohem Zeit- und Geldaufwand gesammelt, um eine Vorhersage zu erstellen, die nach etwa fünf Tagen zusammenbricht und nach etwa zehn Tagen nur noch eine wilde Vermutung ist.

Wie genau ein Preis prognostiziert werden kann, hängt vom Rohstoff ab. Bei vielen Rohstoffen gibt es saisonale und damit zyklische Veränderungen, hinzu kommt ein kurzfristiger allgemeiner Trend. Mit einem relativ einfachen saisonbereinigten prozentualen Änderungsalgorithmus kann daher eine ziemlich anständige Vorhersage erreicht werden; Nehmen Sie einen gleitenden Durchschnitt der letzten paar Messungen, berechnen Sie die prozentuale Veränderung gegenüber dem gleichen Zeitraum des letzten Jahres (aktuell minus letzte dividiert durch letzte) und multiplizieren Sie sie mit der Zahl des letzten Jahres für den aktuellen Tag oder Monat, um zu einer ziemlich anständigen Vorhersage für die zu gelangen aktuelle und nahe Zukunftsperioden (bis ungefähr so ​​weit voraus, wie Sie zurückblicken).

Eine andere Sache, die Sie möglicherweise tun müssen, ist die Normalisierung. Viele Preisdiagramme sind sehr nervös; Der Kurs einer Aktie kann an einem einzigen Tag um viele Prozentpunkte schwanken, und ihnen ist viel „Rauschen“ inhärent. Ein gängiges Werkzeug zur Normalisierung ist ein Box-and-Whisker-Diagramm, das für einen bestimmten Zeitraum alle Stichproben innerhalb dieses Zeitraums aggregiert und Ihnen eine Messung der niedrigsten Stichprobe, der höchsten Stichprobe, des Medians und der Quartile (jeweils der Bereich) liefert 25 % des vollen Probenraums). Boxplots können auch auf dem "Interquartilbereich" oder "Mitte fünfzig" gezeichnet werden; dies wirft die sehr verrauschten Ausreißer weg und konstruiert eine viel regelmäßigere Darstellung aus dem inneren Teil der Glockenkurve. Sie können eine am besten passende Linie zurückentwickeln, die die Elemente jeder Box verbindet, und je näher zwei Linien sind,

Schließlich gibt es äußere Faktoren, die nicht im einfachen prozentualen Wachstum enthalten sind. Große Neuigkeiten müssen berücksichtigt werden, indem subjektivere Vermutungen über zukünftige Daten eingeführt werden. Wenn Sie eine aktive Hurrikansaison kommen sehen (oder einen Hurrikan, der auf Galveston/Houston hereinbricht), dann ist es vernünftig anzunehmen, dass der Preis für Öl und/oder raffinierte Ölprodukte (wie Gas und Düsentreibstoff) in die Höhe schnellen wird. Ein zyklisches Wachstumsmodell wird diese Ereignisse nicht vorhersagen, aber Sie können die Wahrscheinlichkeit einer großen Veränderung mit einer Basis berücksichtigen, auf der Sie die Zahlen des letzten Jahres und darauf addierenSie fügen regelmäßiges Wachstum hinzu. Umgekehrt, wenn aufgrund eines nicht zyklischen Ereignisses wie einer Naturkatastrophe ein großer Anstieg auftritt, müssen Sie ihn glätten, indem Sie die Messwerte so reduzieren, dass sie in die Kurve passen, sonst erwartet Ihr Modell für das nächste Jahr dieselbe Anomalie zur gleichen Zeit und also wird es falsch sein. Diese Anpassungen sind notwendig, aber je mehr Sie davon vornehmen, desto weniger spiegelt die Grafik die reale Geschichte wider und desto mehr spiegelt sie wider, was Sie Ihrer Meinung nach hätten sein sollen.